| 摘要 | 第1-5页 |
| Abstract | 第5-6页 |
| 目录 | 第6-8页 |
| 第一章 绪论 | 第8-13页 |
| ·研究背景 | 第8-10页 |
| ·数据仓库技术在电信企业的应用 | 第8-9页 |
| ·预算管理在电信企业的应用 | 第9-10页 |
| ·理论依据 | 第10-11页 |
| ·论文的主要研究内容及意义 | 第11-13页 |
| 第二章 传统的时间序列分析方法 | 第13-19页 |
| ·简单平均法 | 第13页 |
| ·移动平均法 | 第13-14页 |
| ·简单移动平均 | 第13-14页 |
| ·加权移动平均 | 第14页 |
| ·指数平滑法 | 第14-18页 |
| ·简单指数平滑法 | 第15-16页 |
| ·考虑趋势调整的指数平滑法 | 第16页 |
| ·考虑季节性调整的指数平滑法 | 第16-18页 |
| ·平滑常数的确定 | 第18-19页 |
| 第三章 随机时间序列模型——ARIMA模型预测方法 | 第19-29页 |
| ·ARIMA时间序列模型的一般形式 | 第19-21页 |
| ·平稳时间序列的ARIMA模型的一般形式 | 第19-20页 |
| ·AR模型 | 第19-20页 |
| ·MA模型 | 第20页 |
| ·ARMA模型 | 第20页 |
| ·非平稳时间序列的ARIMA模型的一般形式 | 第20-21页 |
| ·季节模型 | 第21页 |
| ·复合季节模型 | 第21页 |
| ·方法性工具——自相关与偏自相关 | 第21-22页 |
| ·自相关 | 第21-22页 |
| ·偏自相关 | 第22页 |
| ·时序特性的分析 | 第22-29页 |
| ·时序随机性的测定 | 第23-24页 |
| ·时序的平稳性 | 第24-26页 |
| ·时序季节性的识别 | 第26-28页 |
| ·时间趋势与季节性的消除 | 第28-29页 |
| 第四章 用时间序列模型进行电信业务收入预测 | 第29-51页 |
| ·“收入预算分析”主题的数据仓库模型的建立 | 第29-37页 |
| ·“收入预算分析”主题的ETL过程概述 | 第29-30页 |
| ·DTS包模型 | 第30-31页 |
| ·维度设计及构建 | 第31-35页 |
| ·事实表的构建 | 第35-36页 |
| ·预算分析主题的多维数据集模型 | 第36页 |
| ·业务收入数据的采集和浏览 | 第36-37页 |
| ·时间序列的分析 | 第37-50页 |
| ·用传统时序模型进行预测 | 第38-40页 |
| ·模型的建立 | 第38-39页 |
| ·预测 | 第39-40页 |
| ·模型的评估 | 第40页 |
| ·用随机时序模型进行预测 | 第40-50页 |
| ·模型的识别 | 第41-45页 |
| ·模型的参数的估计 | 第45-47页 |
| ·模型的诊断 | 第47-48页 |
| ·模型的预测结果 | 第48页 |
| ·模型的评估 | 第48-50页 |
| ·结论 | 第50-51页 |
| 第五章 结束语 | 第51-52页 |
| ·总结 | 第51页 |
| ·展望和下一步工作 | 第51-52页 |
| 致谢 | 第52-53页 |
| 攻读硕士学位期间发表的论文目录 | 第53-54页 |
| 参考文献 | 第54-55页 |